Nesta página, descrevemos como gerar embeddings multimodais usando o modelo multimodal da Vertex AI compatível, multimodalembedding@001
.
É possível usar os modelos de embedding multimodal da Vertex AI mencionados em Modelos compatíveis.
Nesta página, consideramos que você esteja familiarizado com o AlloyDB para PostgreSQL e os conceitos de IA generativa. Para mais informações sobre embeddings, consulte O que são embeddings.
Antes de começar
Antes de usar embeddings multimodais, faça o seguinte:
- Verifique se a extensão
google_ml_integration
está instalada. - Verifique se a flag
google_ml_integration.enable_model_support
está definida comoon
. - Integrar com a Vertex AI.
- Acessar dados no Cloud Storage para gerar incorporações multimodais.
Integrar com a Vertex AI e instalar a extensão
- Integrar com a Vertex AI.
- Verifique se a versão mais recente do
google_ml_integration
está instalada.Para verificar a versão instalada, execute o seguinte comando:
SELECT extversion FROM pg_extension WHERE extname = 'google_ml_integration'; extversion ------------ 1.4.3 (1 row)
Se a extensão não estiver instalada ou se a versão instalada for anterior à 1.4.3, atualize a extensão executando os seguintes comandos:
CREATE EXTENSION IF NOT EXISTS google_ml_integration; ALTER EXTENSION google_ml_integration UPDATE;
Se você tiver problemas ao executar os comandos anteriores ou se a extensão não for atualizada para a versão 1.4.3 depois de executar os comandos anteriores, entre em contato com o suporte do AlloyDB.
Depois de verificar se a versão está atualizada, instale a funcionalidade de prévia executando o procedimento
upgrade_to_preview_version
:CALL google_ml.upgrade_to_preview_version(); SELECT extversion FROM pg_extension WHERE extname = 'google_ml_integration'; extversion ------------ 1.4.4 (1 row)
Acessar dados no Cloud Storage para gerar incorporações multimodais
- Para gerar incorporações multimodais, consulte o conteúdo no Cloud Storage usando um URI
gs://
. - Acesse o conteúdo do Cloud Storage usando o agente de serviço da Vertex AI do projeto atual. Por padrão, o agente de serviço da Vertex AI já tem permissão para acessar o bucket no mesmo projeto. Para mais informações, consulte o índice de papéis e permissões do IAM.
Para acessar dados em um bucket do Cloud Storage em outro projeto do Google Cloud , execute o seguinte comando da CLI gcloud para conceder o papel Leitor de objetos do Storage (
roles/storage.objectViewer
) ao agente de serviço da Vertex AI do seu projeto do AlloyDB.gcloud projects add-iam-policy-binding <ANOTHER_PROJECT_ID> \ --member="serviceAccount:service-<PROJECT_ID>@gcp-sa-aiplatform.iam.gserviceaccount.com" \ --role="roles/storage.objectViewer"
Para mais informações, consulte Definir e gerenciar políticas do IAM em buckets.
Para gerar embeddings multimodais, selecione um dos seguintes esquemas.